使用Skyfield获取本地卫星过境列表：稀疏问题及优化方案咨询

我需要在空间物体经过我的位置时收到提醒，计划用Skyfield的find_events函数生成过境列表（无可见性、高度限制要求），并存储过境时间与卫星信息。我有完整的追踪物体TLE列表，初期Skyfield生成的过境数据正常，但约2小时后数据变得极为稀疏。目前我每2小时重跑一次代码，但计算量较大，想知道该现象的原因及更优实现方案。

附当前实现代码：

def next_pass_details(tle_line1, tle_line2, observer_location):
    ts = load.timescale()
    satellite = EarthSatellite(tle_line1, tle_line2)
    observer = Topos(latitude_degrees=observer_location[0], longitude_degrees=observer_location[1])

    start_time = ts.now()
    end_time = start_time + 1.0  # Look 24 hours ahead

    culmination_time = None
    altitude_km = -1 

    times, events = satellite.find_events(observer, start_time, end_time, altitude_degrees=0.0)
    for time, event in zip(times, events):
        if event == 1:  # Culmination
            culmination_time = time
            geocentric = satellite.at(time)
            subpoint = geocentric.subpoint()
            altitude_km = subpoint.elevation.km
            observer_location = (observer.latitude.degrees, observer.longitude.degrees)
            subsatellite_point = (subpoint.latitude.degrees, subpoint.longitude.degrees)
            distance_km = geodesic(observer_location, subsatellite_point).km
            if distance_km > radius: #exclude satellites too far away
                return None
            print(distance_km)

            return {
                'culmination_time': culmination_time.utc_strftime('%Y-%m-%d %H:%M:%S'),
                'altitude_km': altitude_km,
                'distance_km': distance_km
            }
    return None

1. TLE时效性不足：TLE是基于轨道动力学的预测数据，随时间推移，大气阻力、天体引力等轨道摄动会导致预测误差累积。2小时后旧TLE的轨道预测偏差已足够大，使得find_events无法准确识别真实过境事件，表现为数据稀疏。
2. 代码逻辑缺陷：
   • 当前函数找到第一个过境顶点（event == 1）就直接返回，忽略了24小时窗口内的其他过境事件，导致实际捕获的事件数量远低于真实值；
   • 每次调用函数都重新初始化timescale和EarthSatellite对象，重复执行初始化操作，大幅增加计算开销。
3. 重跑策略不合理：每2小时从头计算24小时窗口的过境，重复计算重叠时间段内容，且随着TLE老化，后续预测准确性持续下降，进一步加剧数据稀疏问题。

1. 定期更新TLE数据 #

TLE的有效时长通常在数小时到数天不等（低轨卫星更短），建议每隔1-2小时更新一次TLE列表，确保轨道预测的准确性，这是解决数据稀疏问题的核心前提。

2. 优化代码核心逻辑 #

• 复用全局对象：提前初始化timescale和所有卫星的EarthSatellite对象，避免每次函数调用重复创建；
• 完整遍历所有过境事件：不要仅返回第一个顶点事件，遍历所有find_events返回的事件，提取所有符合条件的过境信息；
• 调整过滤时机：先收集所有过境事件，再统一进行距离过滤，避免提前返回导致遗漏。

3. 优化时间窗口与重跑策略 #

• 扩大单次计算窗口：单次计算48小时的过境数据，分阶段触发提醒，减少重跑频率；
• 增量式计算：重跑时以上次计算的结束时间作为新的起始时间，向后计算新窗口，避免重复计算已处理时间段。

# 提前初始化全局对象，避免重复创建
ts = load.timescale()
observer = None  # 提前初始化观测者位置，只需设置一次

def init_observer(latitude, longitude):
    global observer
    observer = Topos(latitude_degrees=latitude, longitude_degrees=longitude)

def get_all_valid_passes(satellite, start_time, end_time, radius):
    passes = []
    times, events = satellite.find_events(observer, start_time, end_time, altitude_degrees=0.0)
    
    # 按事件分组，每个过境包含升起、顶点、落下三个事件
    event_groups = list(zip(times[::3], times[1::3], times[2::3]))
    
    for rise_time, culmination_time, set_time in event_groups:
        # 获取顶点时刻的子点信息
        geocentric = satellite.at(culmination_time)
        subpoint = geocentric.subpoint()
        altitude_km = subpoint.elevation.km
        subsatellite_point = (subpoint.latitude.degrees, subpoint.longitude.degrees)
        distance_km = geodesic(
            (observer.latitude.degrees, observer.longitude.degrees),
            subsatellite_point
        ).km
        
        if distance_km <= radius:
            passes.append({
                'rise_time': rise_time.utc_strftime('%Y-%m-%d %H:%M:%S'),
                'culmination_time': culmination_time.utc_strftime('%Y-%m-%d %H:%M:%S'),
                'set_time': set_time.utc_strftime('%Y-%m-%d %H:%M:%S'),
                'altitude_km': altitude_km,
                'distance_km': distance_km
            })
    return passes

# 使用示例
# 1. 初始化观测者
init_observer(39.9042, 116.4074)  # 示例经纬度：北京
# 2. 加载所有卫星（提前加载，更新TLE时重新加载）
satellites = [EarthSatellite(line1, line2) for line1, line2 in tle_list]
# 3. 设置时间窗口
current_time = ts.now()
next_48h = current_time + 2.0  # 48小时后
# 4. 批量获取所有符合条件的过境
all_passes = []
for sat in satellites:
    valid_passes = get_all_valid_passes(sat, current_time, next_48h, radius)
    if valid_passes:
        all_passes.extend(valid_passes)

内容的提问来源于stack exchange，提问作者Asterlux